检索结果

Select

1. 基于分布式路径计算单元的多域光网络组密钥管理方案

周阳, 吴启武, 姜灵芝

计算机应用 2019, 39 (4): 1095-1099. DOI: 10.11772/j.issn.1001-9081.2018092045

摘要（435）

PDF （786KB）（232）

针对分布式路径计算单元（PCE）架构下多域光网络的通信特点和密钥管理需求，提出一种该架构下的组密钥管理方案。首先使用超图理论对分布式PCE架构下的多域光网络密钥关系进行建模得到两层式密钥超图；然后在自治域层采用基于自认证公钥密码体制和成员过滤技术的密钥管理方法，在PCE层采用基于椭圆曲线密码体制的组密钥协商方法；最后完成密钥的产生、分发、更新和动态管理，较好地解决了成员的私钥保密性问题和第三方节点的冒充问题，减少了密钥更新时的计算开销。性能分析显示，该方案具有前向安全性、后向安全性、密钥保密性和抗合谋攻击等特点，与典型的分散式方案相比，在密钥存储量、加解密次数和通信开销等方面取得了较优的性能。

参考文献 | 相关文章 | 多维度评价

Select

2. 随机选择最优个体的量子粒子群优化算法

周阳花黄麟奚茂龙

计算机应用 2009, 29 (06): 1554-1558.

摘要（1157）

PDF （609KB）（1252）

在分析量子行为粒子群优化算法的基础上,针对算法后期粒子群体容易聚集到一个狭小搜索区域,群体多样性降低的问题,提出了在算法中引入随机选择最优个体的改进方法,提高算法搜索过程中粒子群体的多样性。将改进后的量子粒子群算法与量子粒子群算法、粒子群算法通过benchmark测试函数进行了比较,仿真结果表明改进后的算法更适合解决多峰类的优化问题。

相关文章 | 多维度评价

Select

3. 基于Mean-shift的改进目标跟踪算法

张玲蒋大永何伟周阳

计算机应用

摘要（1297）

PDF （415KB）（1155）

传统的Mean-shift目标跟踪算法对背景因素比较敏感，采用核加权直方图的方法计算目标模板与候选区域目标特征往往无法实现对运动目标的准确定位。在研究传统算法的基础上，改进了Mean-shift算法中目标特征选取机制，即目标模板采用背景加权，候选目标区域采用核加权。仿真结果表明，该方法实现了在复杂环境背景下对运动目标更加准确的跟踪。